maandag 20 maart 2017

Van big data naar markt en klant inzicht

Er wordt veel gezegd en geschreven over Big Data. Maar het verzamelen van heel veel gegevens is vaak een doel op zich in plaats van een middel. Het draait om het verkrijgen van markt inzicht (market insights) en klantinzicht (consumer insights).


Praktijkcase markt- en klantinzicht
Het inzetten van Big Data is gemakkelijker gezegd dan gedaan. Lees bijvoorbeeld de artikelen over Big Data op dit blog.

In de Harvard Business Review van September 2016 staat een interessant artikel over 'Building an Insights Engine'. In dit artikel schrijven de Unilever-mensen Stan Sthanunathan en Keith Weed en Kanter Vermeer-consultant Frank van den Driest over de elementen van een insights engine en hoe die werkt bij Unilever. Dit artikel is vertaald en in maart 2017 gepubliceerd op Marketing-online.nl.

De praktijkcase van Unilever laat goed zien wat er bij komt kijken om Big Data te vertalen in bruikbare markt- en klantinzichten. Unilever heeft hiervoor een Consumer and Market Insights (CMI)-groep opgericht die de klantgerichte bedrijfs- en marketingstrategie van Unilever ondersteunt door het ontwikkelen van een 'insights engine'.

Combineren van data: It Takes a Village
Een van de eigenschappen is 'data-synthese' het combineren van data en het bieden van inzichten in consumptiepatronen. Dat deed men voor campagnes voor producten voor hartkwalen. Het eerste inzicht was dat gedragsveranderingen alleen blijvend zijn als mensen minstens drie weken lang het product gebruiken. Het tweede inzicht was dat betrokkenheid op de lange termijn het beste werkt via peer pressure. Aan de hand van die inzichten ontwikkelde het marketingteam ‘It Takes a Village’, een programma dat mensen in een stad uitdaagt hun cholesterol te verlagen. Het programma, dat in meer dan tien landen is opgezet, omvat onder meer cholesteroltesten, voedingsadvies en lichaamsbeweging. Inmiddels heeft meer dan 85 procent van de mensen die aan het programma meedoen, hun cholesterol verlaagd.

10 eigenschappen van een optimale insights engine
Binnen een goedwerkende insights engine kunnen tien eigenschappen worden vastgesteld, die de auteurs onderverdelen in twee groepen: zeven operationele karakteristieken en drie persoonlijke karakteristieken.

Operationele karakteristieken:
1. Data-synthese
2. Onafhankelijkheid
3. Geïntegreerde planning
4. Samenwerking
5. Experimenten
6. Vooruitzien

Persoonlijke kenmerken:
De zeven operationele karakteristieken die voor goede insights engines gelden, worden aangevuld door drie kenmerken die horen bij de mensen die er deel van uit maken.
8. Whole brain-denken
9. Business focus
10. Verhalen vertellen

Experimenteren en kijken wat werkt
Unilever formaliseerde op verschillende manieren het experimenteren. Bijvoorbeeld met de lancering van Foundry in 2014, waar startups in contact met het bedrijf kunnen komen. Tot de initiatieven van Foundry behoort de Shark Tank, waarin startups nieuwe technologieën pitchen aan een groep senior managers van CMI. Een van de startups was Weseethrough, die draagbare technologie gebruikt om te observeren wat klanten eigenlijk aan het doen zijn – wat vaak het tegenovergestelde is van wat ze zeggen te doen. Proefpersonen voor Weseethrough dragen Google Glass terwijl ze huishoudelijke taken verrichten, zoals schoonmaken, koken of winkelen. Een van de inzichten was dat mensen denken dat het schoonmaken van de woonkamer meer tijd kost dan dat van de badkamer, terwijl het tegenovergestelde het geval is. Hierdoor kon Unilever het productassortiment aanpassen om in de onuitgesproken schoonmaakbehoeften van consumenten te voorzien.

Markt- en klantinzicht als groei-brandstof
Data verzamelen en analyseren is wat insights engines voor het merendeel bij een bedrijf doen, zo schrijven de auteurs. Maar tegenwoordig is dat slechts de eerste vereiste voor succes. Wat de winnaars van de verliezers onderscheidt, is het vermogen om deze capaciteit te vertalen in een klantgecentreerde groei op basis van relevante markt- en klantinzichten.

All Things Hair
Interessant om te lezen is dat het niet altijd raketwetenschap hoeft te zijn. Zo heeft de CMI-groep in samenwerking met Google en Razorfish een programma ontwikkeld waarmee media in realtime kunnen worden gemonitord om trends te anticiperen en de vraag naar bijbehorende producten vorm te geven. Met behulp van een op maat gemaakte tool om haargerelateerde Google-zoekopdrachten te analyseren (per maand ongeveer een miljard), identificeert het programma trends en maakt het razendsnel how-to-video’s waarin Unilever-producten voorkomen, die op het YouTube-kanaal All Things Hair worden gezet. Bezoekers kunnen daar zoeken op haartype en bijpassende producten kopen. Van klantinzicht naar klantgerichte actie gaat hier heel snel.        

Succes!